首页 >> 国遥动态 >> 技术分享 >> 卫星遥感助力海洋水质监测
卫星遥感助力海洋水质监测
发布时间:2023-02-10 | 来源: | 点击量:5123

 一、遥感反演监测技术的优势

 卫星遥感技术是一项多尺度和全球性的技术,随着卫星遥感技术的迅猛发展,其在空间尺度、时间频次以及传感器类型等方面有了很高提升,为获取高频次、大范围、全尺度的遥感数据提供了理想的方式,其在海洋水质监测的准确性、灵敏度和时效性有着显著优势,是进行全球性、宏观性海洋环境监测的理想工具。此外,卫星遥感数据由于其高精度、多波段、图谱合一等特点被广泛应用于遥感水质监测,极大的提高了水质参数的估测精度。伴随着遥感技术的不断进步,水质监测已由定性描述转向定量分析,同时可监测的水质参数逐渐增加,反演精度不断提高,在海洋生态环境的保护、规划和可持续发展方面发挥了重大作用。

 利用遥感反演技术在海洋中的监测和应用主要有悬浮物、有机颗粒、无机盐和化学需氧量等水质信息。

 二、卫星遥感反演海水水质流程

图片1++.jpg

 卫星遥感反演海洋水质流程可概括为数据获取、特征提取与算法选择和反演水质三个步骤。首先,我们从卫星上获取洋面的遥感信息,包括水体的温度、颜色、可见光等属性;然后,将获取的遥感信息进行处理,提取其中的特征,如水体中的各种有毒物质,有机碳等;最后,用特征所提取的信息进行反演,可以获得准确的海水水质状况。

 1、数据获取及预处理

 采集目标区域的相关数据,包括卫星遥感影像,地形数据和水文数据等必要数据。

 对获取的数据进行预处理,包含辐射定标,大气校正等。卫星影像数据进行大气校正的主要目的是消除这些由大气影响所造成的辐射误差,从而反演地物真实的表面反射率。利用6S 模型和MODTRAN4 辐射传输模型,可以较好获得更精确的地表的反射率。

 2、特征提取及算法

 海水水质反演的核心是利用卫星遥感测量估算水质参数的过程。反演过程涉及解决逆向问题,目标是从测量的卫星数据中估计未知的水质参数。由于大气、海洋和卫星传感器之间的复杂相互作用,反演过程具有挑战性。

 为了克服这些挑战,通过自主开发建立了多种算法和模型来反演海水质量。例如,统计模型(如线性回归或人工神经网络)将卫星测量值与水质参数相关联。物理模型(如辐射传输模型)来模拟大气、海洋和卫星传感器之间的相互作用。

 近年来,机器学习和人工智能的进步也已应用于海水质量的反演。例如,一些研究使用深度学习算法,如卷积神经网络(CNN)或递归神经网络(RNN),以提高反演的准确性。这些算法已经显示出有希望的结果,并有可能进一步改善海水质量的反演。

 ① 物理法

 是以水中光场理论模型提出的上行辐射与水中的光学活性物质对光场的吸收和后向反射特性为基础,由传感器测得光谱反射率计算水体中各组分的特征吸收系数和后向散射系数,并通过水质参数的浓度与吸收系数和散射系数之间的关联关系,反演水体中各参数的浓度。在实际水质监测中,由于物理方法对数据源的要求较高,方法中的许多模型往往需要依据经验来建立,因此从某种特定的遥感数据反演具体水体参数浓度的算法精度较低。

 ② 经验法

 是伴随着多光谱遥感技术应用于水质监测发展起来的一种方法,该方法基于遥感波段数据和地面采样点实测数据做相关性统计分析,进而选择相关性较高的波段或波段组,结合地面实测数据经过统计分析外推水质参数值。这种方法容易受到外界因素的干扰,所得到的反演模型普适性较差,算法的精度依赖与特定的水域并且具有空间和时间特殊性。

 ③ 半经验法

 是随着高光谱遥感技术应用于遥感水质监测发展起来的一种方法,该方法根据机载成像光谱仪或非成像光谱仪测量的水质参数光谱特征,选择特定的波段或波段组通过数学方法建立水质参数的定量经验性算法。自20 世纪90 年代以来该方法广泛应用于遥感水质监测,并且得到了较高的反演精度。

 综上所述,卫星遥感反演海水水质是一个复杂但重要的领域,近年来取得了重大进展。通过使用各种算法和模型,包括统计模型、物理模型和机器学习算法,可以获得准确、频繁的海水水质观测,为了解海洋生态系统和改善人类活动提供有价值的信息。

 3、反演水质

 传统的常规水质监测方法一般是通过实地采集水样结合实验室检测来获取水质信息,虽然准确度较高,但是无法对面域进行大范围监测,难以及时全面地反映水体水质的时间和空间上变化状况及趋势;随着遥感技术不断发展,水质遥感监测技术作为一种非传统监测技术,监测大范围、快速实时地获取区域水质的时空分布并反映污染物主要来源。同时,水质遥感监测还可以预估污染物的流动趋势,满足大范围水域水质时空监测的要求,弥补传统水质监测方法的不足,其原理是将已知水质参数光谱特征与最佳波段或波段组合,特别是光学特性与水体表面反射率、辐射亮度之间的相互关系,可以为不同地域、不同特点水体的水质遥感反演寻求更为精确的反演模型通过数学统计方法进行相关分析后,反演水质指标含量,是目前水质反演最常用的一种方法。常用的数学方法有线性回归、多项式回归、灰色系统理论和神经网络模型等方法。其中如氮素是引起水体富营养化和影响藻类繁殖的重要因素,对水体水质具有非常重要的影响,COD与NH3-N由于不存在显著的光学特性无法直接进行遥感反演,通常需要分析其与水体中不同物质之间的相互关系进行间接分析,建立了表层水体叶绿素a和氨氮的遥感信息模型。

 三、成果展示

叶绿素.gif

总氮.gif

总磷.gif

氨氮.gif

化学需氧量.gif